Falcon H1 1.5B Base

🚀 变压器库（transformers）

本库支持多种语言，提供了基于Falcon-H1的模型，具有高效和高性能的特点，适用于多种自然语言处理任务。

🚀 快速开始

目前，要使用此模型，你可以依赖Hugging Face的transformers、vLLM或我们自定义的llama.cpp库的分支。

推理

确保安装最新版本的transformers或vLLM，必要时从源代码安装这些包：

pip install git+https://github.com/huggingface/transformers.git

有关从源代码构建vLLM的更多详细信息，请参考官方vLLM文档。

🤗 transformers

参考以下代码片段，使用🤗 transformers运行H1模型：

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "tiiuae/Falcon-H1-1B-Base"

model = AutoModelForCausalLM.from_pretrained(
  model_id,
  torch_dtype=torch.bfloat16,
  device_map="auto"
)

# Perform text generation

vLLM

对于vLLM，只需执行以下命令启动服务器：

# pip install vllm
vllm serve tiiuae/Falcon-H1-1B-Instruct --tensor-parallel-size 2 --data-parallel-size 1

llama.cpp

在我们努力将架构直接集成到llama.cpp库的同时，你可以安装我们的库分支并直接使用：https://github.com/tiiuae/llama.cpp-Falcon-H1，使用与llama.cpp相同的安装指南。

✨ 主要特性

• 多语言支持：支持阿拉伯语（ar）、捷克语（cs）、德语（de）、英语（en）等多种语言。
• 混合架构：采用混合Transformer + Mamba架构。
• 高性能：在多种任务中表现出色，包括推理任务。

📦 安装指南

安装transformers

pip install git+https://github.com/huggingface/transformers.git

安装vLLM

pip install vllm

安装llama.cpp分支

参考https://github.com/tiiuae/llama.cpp-Falcon-H1的安装指南。

💻 使用示例

基础用法

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "tiiuae/Falcon-H1-1B-Base"

model = AutoModelForCausalLM.from_pretrained(
  model_id,
  torch_dtype=torch.bfloat16,
  device_map="auto"
)

# Perform text generation

📚 详细文档

模型详情

• 开发者：https://www.tii.ae
• 模型类型：因果解码器
• 架构：混合Transformer + Mamba架构
• 语言：英语、多语言
• 许可证：Falcon-LLM许可证

训练详情

有关此模型训练协议的更多详细信息，请参考Falcon-H1技术博客文章。

评估

Falcon-H1系列在多种任务中表现出色，包括推理任务。

你可以在我们的发布博客文章中查看更详细的基准测试。

有用链接

• 查看我们的发布博客文章。
• 如果你有任何问题或想与我们的研究人员和开发人员交流，请随时加入我们的Discord服务器。

🔧 技术细节

该模型采用混合Transformer + Mamba架构，具体的训练细节可参考Falcon-H1技术博客文章。

📄 许可证

本模型使用Falcon-LLM许可证，详情请见https://falconllm.tii.ae/falcon-terms-and-conditions.html。

📖 引用

如果Falcon-H1系列模型对你的工作有帮助，请引用：

@misc{tiifalconh1,
    title = {Falcon-H1: A Family of Hybrid-Head Language Models Redefining Efficiency and Performance},
    url = {https://falcon-lm.github.io/blog/falcon-h1},
    author = {Falcon-LLM Team},
    month = {May},
    year = {2025}
}